搜索资源列表
face_detection_code
- 用gabor 来做特征提取，用神经元网络来分类的人脸检测代码，配有详细的代码解释，适合初学者-use gabor for feature extraction,use neural network as a classifier to detect face in a image
kecheng2011
- 课程设计要求 0 实验一 基于模板匹配的字符识别 1 实验二 基于C均值算法的车辆检测与跟踪 3 实验三 水果分类系统设计 5 实验四 基于遗传算法的图像歪斜校准 6 实验五 基于BP网络的函数逼近 9 实验六 空调模糊控制系统设计 -Curriculum design requires 0 Experimental one based on template matching character recognition 1 C-means algorithm
Pqd_My_v11
- 电能质量检测平台仿真测试软件，用于验证各种检测算法的有效性，其中涉及小波变换，S变换，二叉树结构的支持向量机分类算法。-Power quality detection platform simulation test software used to verify the validity of the detection algorithm, which involves the wavelet transform, S transform and support vector machine
feature_context
- 王兴刚和白翔合作发表的CVPR2011的文章， Feature Context for Object Detection and Image Classification，可以用于物体检测和图像的分类，用到了特征上下文，Feature Context-PROCEEDINGS and white Xiang cooperation the published CVPR2011 article Feature Context for Object Detection and Image Classi
detect-and-threshold-classify
- 用于对采集到的神经锋电位的检测及阈值分类，主要是运行的matlab上-the spikes detected and classified by threshold.
DCES
- 利用训练好的朴素bayesian网络对数据集进行分类。通过添加人工噪声的干扰来分类精度的检测。-By trained naive bayesian network to classify the data set. By the add artificial noise interference to the classification accuracy of detection.
HaarPSRC=Vehicle-detection
- 运用harr特征+SRC（稀疏表示）分类实现的一种车辆检测方法，文件中提供了训练和测试车辆图片。由于时间原因，所用haar特征没有优化，维度过高，导致滑窗框图过慢，本代码只输出效果统计数据，以供大家参考学习稀疏表示在车辆检测中的应用。-Using harr feature+SRC (sparse representation) classification to achieve a vehicle detection method, the paper provides a training a
1004-9762(2011)01-0056-05
- 基于协议分析和SVM 多分类的入侵检测系统研究*-Multi-protocol analysis and SVM based classification Intrusion Detection System*
fuzzynet
- 用Matlab实现的模糊神经网络模型，用于检测和评价水质情况，并进行预测，压缩包里包含了数据集和源程序。具体的应用可以根据用户的需求稍作更改，可用于分类。-Using Matlab fuzzy neural network model for the detection and evaluation of water quality, and to predict the compressed bundle contains the data sets and the source. Speci
anomaly-detection
- 异常检测算法，包括基于聚类的、基于分类的、基于ocsvm的异常检测算法-Anomaly detection algorithms, including those based on clustering, based on the classification based anomaly detection algorithm ocsvm
NF
- 用matlab编写的快速纽曼算法，用于社团检测，对于不太复杂的网络分类效果很好-Prepared using matlab Newman fast algorithm for detecting community, for less complex network classification works well
ANN
- 本程序为自组织特征映射神经网络，注释将为详细。本程序通常可作为一种样本特征检测器，在样本排序，样本分类以及样本检测中有广泛的用途。-This procedure is a self-organizing feature map neural network, and usually can be used as a sample characteristics detector, the sample ordering, sample classification and sample dete
fenlei
- 单层竞争神经网络的数据分类,患者癌症发病预测。设法找出癌症与正常样本在基因表达水平上的区别，建立竞争网络模型去预测待检测样本是癌症还是是正常样本。-Data classification of single layer competitive neural network
darknet
- 神经网络引入后，检测框架变得更快更准确。然而，大多数检测方法受限于少量物体。检测和训练数据上联合训练物体检测器，用有标签的检测图像来学习精确定位，同时用分类图像来增加词汇和鲁棒性。原YOLO系统上生成YOLOv2检测器；在ImageNet中超过9000类的数据和COCO的检测数据上，合并数据集和联合训练YOLO9-After the neural network is introduced, it is becoming faster and more accurate detection fr
ExHoG_CPP
- 这是这篇文章人类的检测二次分类的子空间扩展的梯度直方图，之前上传matlab版本，现在是c++版本-This is the article of human detection secondary classification of subspace expansion gradient histogram, before uploading matlab version, now is c++ version
新建文件夹
- 将260个样本中随机抽出部分学生的身高和体重作为训练样本（男女生都有），然后训练一个BP神经网络，最后将剩下的样本输入网络进行测试，检测BP网络的分类性能。260个样本的体重和身高在文档中。可以在男生样本中抽取70%用来训练，在女生样本中抽取70%用来训练。(The 260 samples were randomly selected from the part of the students' height and weight as the training sample (boys and
ShuffleNet-master
- 一种专门为移动端设备而设计的高效卷积神经网络结构——ShuffleNet，这种新结构将点态组卷积（pointwise group convolution）和通道随机混合（channel shuffle）这两种经典方法进行结合与改进，大大提升了计算效率 。(ShuffleNet is an efficient convolutional neural network designed for mobile terminal devices. This new structure combines
Matlab数据分析与挖掘实战-最新完整版
- 这是一本以实践为导向的 MATLAB 数据挖掘实战指南，以真实案例为主线，不仅深入浅出地讲解了数据挖掘建模过程中的各个环节和各项技术（如数据探索、数据预处理、分类与预测、聚类分析、时序预测、关联规则挖掘、智能推荐、偏差检测等），而且还为电力、航空、医疗等 10 余个行业的数据挖掘提供了方法指导和解决方案。此外，本书还深入讲解了数据挖掘的二次开发等内容。(MATLAB data analysis)
squeezeDet-master
- 一种应用于目标检测中同时满足上述所有约束条件的全卷积神经网络结构。在我们的网络中，使用卷积层不只是用来提取特征图，同时也是作为输出层去计算边界框（bounding box）和分类概率。我们模型中的检测管道（detection pipeline）只包含一个神经网络的前向通路，因此它运行起来是极其迅速的。我们的模型是全卷积结构的，因此可以达到小的模型规模和很高的能量利用效率。最后的实验表明我们的模型能达到很高的精度，在 KITTI 基准上达到了最高的精确度。(A fully convoluted n
yolo V3
- 这个版本作者已经编译过了 可以在WIN系统上运行 YOLO3主要的改进有：调整了网络结构；利用多尺度特征进行对象检测；对象分类用Logistic取代了softmax。 在基本的图像特征提取方面，YOLO3采用了称之为Darknet-53的网络结构（含有53个卷积层），它借鉴了残差网络residual network的做法，在一些层之间设置了快捷链路（shortcut connections）。